诱发脑电信号执行控制力特征识别研究

斯特普(Stroop)干扰试验常被用于执行控制力研究中,结合脑电在认知能力领域中的应用,采用数字Stroop干扰试验来诱发脑电信号,通过以样本熵为参数试验条件下脑电信号复杂度分析,观察脑电复杂度变化规律,建立执行控制力脑电特征识别方法.随机选取35名大学生进行数字Stroop干扰试验,同时采集被试的脑电信号,对脑电复杂度分析发现:试验过程中被试脑电样本熵值先降低后上升,最后回到正常水平;Stroop干扰试验下测评分数越高的被试,其样本熵的降低幅度越小.相关性统计分析得到,样本熵变化值与执行控制力相关系数为-0.699,呈显著负相关.研究表明基于Stroop干扰试验下脑电信号复杂度能够反应被试的执行控制力.     

睡眠剥夺对脑认知和脑电复杂性的影响

为研究睡眠对大脑功能的影响，考察了正常睡眠与睡眠剥夺情况下脑认知能力的变化，分析了两种状态下自发脑电和事件相关电位复杂性的差异．通过事件相关电位P300的潜伏期与幅度反映不同状态下的脑认知能力，采用小波熵方法分析其复杂性．实验采用数字脑电图仪记录19导脑电信号，用OB序列诱发视觉事件相关电位．结果发现，睡眠剥夺组的靶刺激反应时间明显增长，而P300幅度显著降低、潜伏期明显增加；小波熵分析结果表明，与正常睡眠组比较，睡眠剥夺组自发脑电的256点小波熵和事件相关电位的32点小波熵均值都显著降低．故得出结论：睡眠剥夺对人的认知和脑电复杂性均产生了负向影响．因此，睡眠对维持大脑的功能具有重要作用．     

基于近似熵的认知能力对事件相关电位的影响研究

选择青年组、血管性痴呆(VD))组以及与VD同一年龄段的正常老年组作为被试人群,其中VD组又依据简易智能量表的测试结果细分为轻度和重度VD组.采用视觉通道诱发的oddball实验模式,并对事件相关电位(ERP)信号进行近似熵分析.通过对不同被试组的近似熵对比发现,重度VD患者近似熵在整个实验过程中基本保持稳定,没有显著变化,而其余被试组随着刺激任务的开始,近似熵下降,随着任务的结束,近似熵升高.其次,轻度VD组的近似熵值明显高于老年组和青年组,尤其是在任务反应阶段其差异程度更为显著.ERP的近似熵分析较为清晰地展现出具有不同程度认知能力的被试者在执行认知任务过程中脑活动的变化,有效地反映了其大脑认知加工的过程和能力的大小.因此,近似熵为VD的早期诊断及程度分级提供了一个有效的途径.     

基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析

提供了两种分析认知事件相关电位（ERP）复杂度动态变化的估计算法——时变Tsallis熵（ETsEn）和时变近似熵（EApEn），并将其应用于分析Stroop任务中ERP的动态复杂度．实验发现：BTsEn比EApEn能更好地反映不同刺激类型的ERP复杂度差异；EApEn比ETsEn能更准确地体现ERP复杂度随时间变化的规律．额区、中央区和顶区的ERP的ETsEn和EApEn在刺激前、刺激处理过程中、刺激处理后均有显著差异，即在刺激前熵较大且无明显变化，刺激处理过程中熵显著减小，刺激处理完成后熵恢复至刺激前状态，其变化的时序与行为数据基本一致。结果证明了时变的Tsallis熵和近似熵对动态复杂度从不同方面度量的有效性，为客观度量ERP的复杂度提供了新方法．     

基于多导脑电复杂性测度的脑疲劳分析

通过对连续长时间脑力劳动前后状态下的脑电信号进行分析,提取了脑电信号的基本尺度熵和排列熵两种复杂性测度,研究了它们与脑疲劳程度之间的关系,以及它们在不同脑疲劳状态下的变化规律及其相关性.实验结果表明,基本尺度熵和排列熵与脑疲劳程度之间存在很强的关联性,对于不同的脑疲劳状态,随着脑疲劳程度的增加,其alpha(8～12 Hz)、beta(13～30 Hz)频率段和total频率段(0.5～30 Hz)脑电信号的基本尺度熵和排列熵逐渐降低.相对于Tsallis熵算法,基本尺度熵和排列熵可以更好地反映疲劳前后脑电信号复杂度的变化特性.同时,由于基本尺度熵和排列熵算法概念简单,运算量小,因而它们的计算复杂度大大降低,运算速度更快,使得实时分析与监测脑疲劳成为可能.脑电信号的基本尺度熵和排列熵有望成为衡量脑疲劳程度的指标.     

基于有向网络的人物信息诱发脑电信号特征

基于熟人和陌生人的视听觉信息,通过记录对应的脑电信号,对大脑在熟人和陌生人信息刺激下的认知机制展开研究.首先,通过记录被试在视听刺激下的脑电信号,得到对应不同刺激下的事件相关脑电位.通过计算不同导联间的相位传递熵构建有向功能网络,最后对重点网络参数进行分析.结果表明,相比陌生人信息诱发的有向网络,熟人信息诱发网络中关键节点的作用加强,网络聚集能力增强;熟人信息诱发网络的连接更加趋向于全脑化,不同脑区间的信息交换加强,整个网络结构更有利于完成对熟人信息的识别.     

相关近似熵及在传感网数据故障检测中的应用

针对模糊近似熵方法在生成时间序列数据特征过程中出现的依赖参数较多和计算复杂度较高的问题,提出了相关近似熵方法,并应用在传感网数据故障检测中.相关近似熵方法采用相关信息熵来计算向量空间中多维数据之间的相关度,通过计算向量空间在其维数由M维增加到M+1维时多维数据之间保持相关性的概率来判定一个时间序列的复杂程度.相对于模糊近似熵,相关近似熵方法将依赖参数从4个减少到了2个,并减小了计算复杂度.实验结果表明:相关近似熵生成的特征在大多数情况下显著优于模糊近似熵生成的特征,并且相关近似熵方法大幅度地缩短了传感器数据特征的生成时间.     

不同特性驾驶员指路标志信息认知差异

为了提供指路标志信息量合理配置的理论依据,设计了生理反馈试验,对不同特性驾驶员信息判读时的认知机理进行研究.首先获得驾驶员在标志信息判读任务中的反应时间和脑电信号;然后根据不同被试组在试验任务中的反应时间差异判断出最不利被试组;最后根据试验中被试者的脑电信号的近似熵分布结合利用单因素方差分析,探讨不利被试组与其他2组被试的认知差异机理.结果表明:男性新手驾驶员为标志信息搜索试验中最不利被试组,其不同频率的脑电波的近似熵表征与另外2组被试出现显著差异,在复杂任务中其高频脑电波近似熵值下降明显,反映出消极认知心理.根据不同被试者的脑电近似熵分布形态可以判断出4个地名为指路标志最佳信息量分界线.     

基于经验模态分解的CEEMDAN-FE-LSTM传染病预测

针对现有的传染病预测模型未充分考虑到时间序列的复杂度,提出了一种基于自适应噪声完备集合经验模态分解（CEEMDAN）和模糊熵（FE）改进长短时记忆网络（LSTM）的传染病组合预测模型.首先,运用CEEMDAN算法将序列分解成若干个不同频率的模态分量与残差分量,以降低原始时间序列的复杂度;然后,运用FE算法计算各分量的时间复杂度,并将其重构为不同尺度的序列以提高运算效率;最后,建立LSTM模型对重构序列分别进行预测,得到最终预测结果.根据2010年1月至2021年12月肺结核、乙肝、布鲁氏菌病和艾滋病发病数据进行模型预测,并与SARIMA模型、CEEMDAN-FE-SARIMA模型和LSTM模型进行对比.结果表明,提出的模型较常规模型可以更好地把握传染病发病的变化规律,降低时间序列的复杂度,提高传染病预测精度.     

基于样本熵的睡眠脑电分期

运用样本熵从波士顿Beth Israel睡眠脑电实验数据中提取睡眠特征值,对睡眠分期进行研究.针对脑电属于微弱非平稳随机信号、难于提取特征的特点,利用小波变换先有效地消除脑电信号中的噪声,再计算其样本熵用以表征睡眠各分期.计算结果表明,由清醒期到非快速眼动的Ⅳ期过程中,其样本熵值呈规律性逐渐变小,与该库中专家评定的结果相符.这说明经过小波消噪和样本熵处理的脑电信号能准确地反映睡眠各期的变化特征,比用近似熵表征睡眠分期更准确、运算速度更快,完全适用于非平稳随机信号的处理.     

基于样本熵的注意力相关脑电特征信息提取与分类

提出一种用样本熵作为特征进行注意力相关脑电信号的分析与分类处理、并采用支持向量机(SVM)算法实现分类器的方法.7位年龄在20~30岁之间的男性受试者接受了执行3种不同注意任务状态下的测试.数据分析结果显示:样本熵分类法对注意任务相关脑电信号分类的正确率可达85.5%,优于传统频段能量法获得的分类精度(77.9%).这个结果暗示了样本熵能有效地识别出自发脑电中注意力相关信息,因而它可在脑电生物信息反馈治疗系统设计中获得广泛的应用.     

城市灾害风险系统性评价

从系统角度进行城市灾害风险评价是对城市灾害风险研究内容的有益补充.分析了脆性风险熵在城市灾害系统风险分析中的可行性,从城市灾害危险性和易损性两方面确定了城市灾害系统中脆性因子以及脆性事件后果评价因素.鉴于小样本灾害事件统计概率的不准确性,用突变级数法计算的脆性因子突变概率代替脆性风险熵计算中的统计概率,模糊数代替脆性事件结果价值.基于熵原理计算的脆性风险熵是脆性因子突变概率与脆性事件结果价值的综合测度,这也正是城市灾害风险的综合测度.     

实现最小互熵编码多用户检测的快速算法

基于最小互熵(minimum cross entropy,MCE)的迭代多用户检测算法在高度互相关的系统(即非扩频系统)中可以渐近地获得单用户的性能,是一种最优检测算法.但标准的MCE算法的计算复杂度极高,因而使其难以实用.该文提出了一种实现MCE算法的快速算法,避免了标准MCE算法在计算度量函数时的重复运算,在用户间符号同步和异步两种情况下均可以将计算复杂度降低K倍(K为用户数),而无性能损失.对于异步系统,还可以此基础上,通过对度量函数作合理近似,使运算度进一步减少1/3,在加性高斯白噪声信道下的仿真结果表明,这种近似所产生的性能损失低于0.2 dB.     

基于样本熵算法的下背痛患者脑电信号分析

为寻找下背痛患者的诊断指标,本文运用样本熵算法对下背痛(腰椎间盘突出(LDH)和非特异性下背痛(NLBP))患者脑电时间序列复杂度进行了分析.实验采集了30例LDH患者、35例NLBP患者和30例健康人在做腹部收缩运动中的脑电信号,运用样本熵算法对健康组与下背痛组(LDH组和NLBP组)的脑电信号进行计算,发现LDH组的样本熵值最大,其次是NLBP组,健康组的样本熵值最小.样本熵的值越大,表明脑电时间序列复杂度越高.然后,采用SPSS19.0软件对3组受试者中14个导联处样本熵的均值进行独立样本t检验.结果表明,LDH组与NLBP组在5个导联(F7、T7、O1、O2、F4)处存在显著性差异(p0.05);LDH组与正常组在12个导联(F7、F3、FC5、T7、P7、O1、O2、P8、T8、FC6、F4、F8)处存在显著性差异(p0.05).样本熵算法可以作为区分3组受试者的有效方法,为下背痛患的诊断者提供了一种辅助诊断方法.     

一种改进的FCM算法及仿真实验研究

针对模糊C均值(FCM)算法的缺陷,提出了一种改进的FCM算法。将物理学中的信息熵概念引入聚类分析中,用熵值法度量样本的各种属性对分类不同程度的影响,并用模糊划分系数FC(μ)和平均模糊熵HC(μ)对改进后的算法性能进行了评价。仿真实验结果表明,改进后算法的FC(μ)和HC(μ)分别为0.919和-0.096,改进后的FCM算法在实际的聚类分析中能取得更好的分类效果。     

基于贝叶斯相关向量机的脑电睡眠分期

针对支持向量机(SVM)计算复杂度高和参数不易确定的局限性,提出一种基于稀疏贝叶斯相关向量机(RVM)的脑电数据睡眠分期方法.给出二分类RVM的参数推理和优化,并确定了二叉树多分类RVM模型.基于8例健康成年人的MIT/BIH睡眠脑电实测数据,根据已有的专家人工睡眠分期注释,首先提取清醒期和睡眠各期脑电数据的样本熵值作...     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

基于模糊熵与改进相关向量机的语音端点检测

为提高低信噪比下语音端点检测的准确性,提出了一种基于模糊熵与改进相关向量机的端点检测算法.首先对语音信号进行基于听觉感知特性的语音增强,然后提取每帧信号的模糊熵作为改进相关向量机的输入矢量,同时针对单一核函数对预测分类鲁棒性弱的问题,对不同核函数进行自适应多核组合,融合多个核函数的特性,提高分类精度和鲁棒性.实验结果表明:在低信噪比环境下,基于模糊熵与改进相关向量机的端点检测能更有效地检测出语音的端点,准确率达到93.2%.     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

基于改进EMD算法的熵性能研究

熵作为度量序列混乱程度的特征参数,已被广泛应用于不同领域.运用仿真信号对信息熵、近似熵和模糊熵进行了全面的分析对比,验证了模糊熵的优势;提出了改进的经验模态分解方法,将算法与模糊熵结合,求出加权模糊熵.实验结果表明相比于原始信号的模糊熵,新模糊熵对一时间序列混乱程度的区分度更加明显,其值也更加稳定.